CN109376423B - 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法 - Google Patents

一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法 Download PDF

Info

Publication number
CN109376423B
CN109376423B CN201811218312.4A CN201811218312A CN109376423B CN 109376423 B CN109376423 B CN 109376423B CN 201811218312 A CN201811218312 A CN 201811218312A CN 109376423 B CN109376423 B CN 109376423B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
malodor
source
spiral
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811218312.4A
Other languages
English (en)
Other versions
CN109376423A (zh
Inventor
丁涛
崔学林
王伟
陈海佳
谢丽华
刘莎莎
徐铭驰
陈海生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Cunlan Technology Co ltd
China Jiliang University
Original Assignee
Hangzhou Cunlan Technology Co ltd
China Jiliang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Cunlan Technology Co ltd, China Jiliang University filed Critical Hangzhou Cunlan Technology Co ltd
Priority to CN201811218312.4A priority Critical patent/CN109376423B/zh
Publication of CN109376423A publication Critical patent/CN109376423A/zh
Application granted granted Critical
Publication of CN109376423B publication Critical patent/CN109376423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
    • G01N33/0065—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means using more than one threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Geometry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Disinfection, Sterilisation Or Deodorisation Of Air (AREA)

Abstract

本发明公开了一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，包括采用风向仪测量风向，多旋翼无人机将结合实时监测的气体浓度和算法逻辑逆风搜索恶臭源。具体为无人机先进行偏向于上风向的斜线运动（Z运动），横穿整个恶臭场源污染区获取足够多的场源浓度；在飞出恶臭污染区后，无人机开始做螺旋运动（Spiral），返回恶臭污染区中；然后逆风做直线运动（Surge），寻找恶臭源。无人机不断重复以上三个运动，逐渐逼近当前平面恶臭污染源。在找到认为的当前平面恶臭源时，无人机下降一定高度（3D）。并且把下降后的位置做为进行新平面溯源的起点，重复以上三个运动，寻找恶臭源。直到无人机下降到允许的最低高度，并且找到了该高度平面的恶臭源时，停止运动，认为找到恶臭源的位置。

Description

一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法
技术领域
本发明涉及一种基于无人机的恶臭溯源方法，属于多旋翼无人机飞行器与大气环境监测领域。
背景技术
恶臭污染是一种常见的环境污染，是世界公认的七大环境公害之一。恶臭是指各种使人有不愉快感觉的气味(异味)的总称，当环境中的恶臭物质浓度达到一定程度时，不仅影响居民的生活质量，严重时也会直接危及到人们的健康。有些恶臭物质会刺激人的呼吸道，对心脑血管的生理功能产生影响，导致判断力和记忆力降低，工作效率降低。其中一些芳香族化合物还可能造成人体畸变、癌变，高浓度的恶臭还会导致接触者发生肺水肿甚至窒息死亡。因此恶臭污染源定位对人类安全与环境保护有着非常重要的意义。
目前已有的气味源定位算法，主要包括：浓度梯度搜索算法、z字形遍历算法、Spiral Surge算法、ACO算法、E.coli算法等，主要应用于地面机器人的气味源定位，并且有各自应用的局限性。Z字形遍历算法可以找到气味源，但是耗费较长时间以及不精确，优点是可以完全的获知气味源场的信息。Spiral Surge算法可以比较精确的找到气味源，但是溯源运动路径偏向于气味源一边，可能会陷入局部最优点，不能够完全的获知气味源场的信息。
发明内容
本发明要解决的技术问题是如何结合已有的气味源定位算法和空中恶臭溯源的实际情况，开发出合适的恶臭溯源算法并且应用到无人机中，因此我们提供一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法。该方法具有溯源快速精确、路径最优、避免陷入局部最优点等优点。
为了实现上述目的，本发明所采用的技术方案包括以下步骤：
步骤1：根据环境监测部门或群众反映，找到疑似恶臭污染区，疑似恶臭污染源区域设定通常以造纸厂、养殖场、饲料厂和化工厂、屠宰场等区域为主。
步骤2：利用风向仪测量疑似恶臭污染区的风向，多旋翼无人机将逆风搜索恶臭源。
步骤3：建立以当前顺风方向为x轴正方向，重力加速度方向为z轴的正方向，然后依据右手原则确定y轴正方向的坐标系。整个恶臭溯源过程中无人机速度大小为V。无人机从疑似恶臭污染区任意一点起飞，无人机先进行偏向于上风向的斜线运动(Z)，横穿整个恶臭场源污染区获取足够多的场源气体浓度数据。气体传感器每秒读取一次数据，所读取的数据是当前无人机所在位置的气体浓度值Cp。
所述步骤3：无人机起飞点的气体浓度为第一个阈值Cni，i＝1代表第一次的斜线运动(Z)。对步骤3过程中采集的气体浓度进行比较，将最大的气体浓度设为max1。
步骤4：当无人机上气体传感器所获得气体浓度Cp低于阈值Cni，认为这时无人机已经飞出恶臭污染区，无人机开始做螺旋运动(Spiral)，返回恶臭污染区中，无人机回到恶臭污染区的判定标准是当前所处位置的气体浓度Cp高于阈值Cnj。
所述步骤4：阈值
Figure BDA0001834106760000021
第一次螺旋运动j＝1，n＝1。其中j＝1代表第一次螺旋运动(Spiral)。此次n＝1且每次计算n加1。
步骤5：无人机从返回点开始逆风做直线运动(Surge)，寻找恶臭源。对步骤5过程中采集的气体浓度进行比较，将最大的气体浓度设为max2。
所述步骤5：无人机逆风直线运动(Surge)，如果直线运动(Surge)中浓度Cp一直大于阈值Cnj，则持续做直线运动(Surge)直至飞行时间达到30s后，返回步骤3。如果直线运动(Surge)中浓度Cp小于阈值Cnj，则返回步骤3。
步骤6：无人机不断重复步骤3到步骤5的运动，逐渐逼近当前平面恶臭污染源。
所述步骤6：一直重复步骤3到步骤5的过程，n、i、j每经过一次循环数值加1，阈值不断更新，当i大于等于2时，
Figure BDA0001834106760000022
无人机不断靠近恶臭源，当非常接近恶臭源时，会在恶臭源附近小范围内来回运动，此时认为找到了当前平面恶臭源，如图2所示。
步骤7：当无人机在某点附近小范围内来回运动，此时认为找到了当前平面恶臭源，无人机下降一定高度(3D)。
所述步骤7：每次下降的高度，会根据初始位置的高度进行调节，防止出现循环过少或效率太低的问题。根据初始高度，每次下降初始高度的20％。
步骤8：把下降后的位置做为进行新平面溯源的起点，继续重复步骤3到步骤7，直到无人机下降到允许的最低高度，并且找到了该高度平面的恶臭源时，停止运动，认为找到恶臭源的位置。
附图说明
图1是本发明基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法的流程图；
图2是本发明疑似恶臭污染源区域及算法策略示意图。
具体实施方式
如图1所示，一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法具体包括以下步骤：
步骤1：根据环境监测部门或群众反映，找到疑似恶臭污染区，疑似恶臭污染源区域设定通常以造纸厂、养殖场、饲料厂和化工厂、屠宰场等区域为主。
步骤2：利用风向仪测量疑似恶臭污染区的风向，多旋翼无人机将逆风搜索恶臭源，保证恶臭溯源的效率。
步骤3：无人机从疑似恶臭污染区任意一点起飞，无人机先进行偏向于上风向的斜线运动(Z)，横穿整个恶臭场源污染区获取足够多的场源气体浓度数据。气体传感器每秒读取一次数据，所读取的数据是当前无人机所在位置的气体浓度值Cp。
所述步骤3：建立以当前顺风方向为x轴正方向，重力加速度方向为z轴的正方向，然后依据右手原则确定y轴正方向的坐标系。整个恶臭溯源过程中无人机速度的大小为V。
所述步骤3：无人机起飞点的气体浓度为第一个阈值Cni，i＝1代表第一次的斜线运动(Z)。对步骤3过程中采集的气体浓度进行比较，将最大的气体浓度设为max1。无人机进行偏向于上风向的斜线运动(Z)，具体角度为：与x轴正方向成120°夹角，每次运动的距离为StepSize。
所述步骤3：此次运动由斜线组成，其对应的公式为：
x＝Vt
y＝d×Vt
其中x,y为无人机的运动坐标，单位为m；t为无人机运动时间，单位为s；d为无人机运动方程的斜率，单位为1。其中t小于等于30s，如果无人机飞行30s仍未结束此次运动(Z)，则无人机从飞行30s后的所在位置重新开始步骤3。
步骤4：当无人机上气体传感器所获得气体浓度Cp低于阈值Cni，认为这时无人机已经飞出恶臭污染区，无人机开始做大的螺旋运动(Spiral)，返回恶臭污染区中，无人机回到恶臭污染区的判定标准是当前所处位置的气体浓度Cp高于阈值Cnj。
所述步骤4：此次无人机螺旋运动为公式为：
x＝t×cos(ωt)
y＝t×sin(ωt)
其中x，y为无人机的运动坐标，单位为m；t为无人机运动时间，单位为s；ω为无人机运动角速度，单位为rad/s。其中t小于等于30s，如果无人机飞行30s仍未结束此次螺旋运动(Spiral)，则无人机从飞行30s后的所在位置重新开始步骤4。
所述步骤4：阈值
Figure BDA0001834106760000041
第一次螺旋运动j＝1，n＝1。其中j＝1代表第一次螺旋运动(Spiral)。
步骤5：无人机从返回点开始逆风做直线运动(Surge)，寻找恶臭源。对步骤5过程中采集的气体浓度进行比较，将最大的气体浓度设为max2。
所述步骤5：无人机逆风直线运动(Surge)，如果直线运动(Surge)中浓度Cp一直大于阈值Cnj，则持续做直线运动(Surge)直至飞行时间达到30s后，返回步骤3。如果直线运动(Surge)中浓度Cp小于阈值Cnj，则返回步骤3。
步骤6：无人机不断重复步骤3到步骤5的运动，逐渐逼近当前平面恶臭污染源。
所述步骤6：一直重复步骤3到步骤5的过程，n、i、j每经过一次循环数值加1，阈值不断更新。当i大于等于2时，
Figure BDA0001834106760000042
无人机不断靠近恶臭源，当非常接近恶臭源时，会在恶臭源附近小范围内来回运动，此时认为找到了当前平面恶臭源，如图2所示。
步骤7：当无人机在某点附近小范围内来回运动，此时认为找到了当前平面恶臭源，无人机下降一定高度(3D)。
所述步骤7：判断找到当前平面恶臭源的标准为：计算此次循环步骤3中斜线运动(Z)起点与上次循环步骤3中的斜线运动(Z)的起点之间的距离d，若连续三次d小于等于1m，则认为找到当前平面的恶臭源。
距离计算公式：
Figure BDA0001834106760000043
其中xn，yn为无人机此次循环步骤3中斜线运动(Z)起点的运动坐标，xn-1，yn-1为上次循环步骤3中斜线运动(Z)起点的运动坐标，单位为m；d为两次起点之间的距离，单位为m。
所述步骤7：每次下降的高度，会根据初始位置的高度进行调节，防止出现循环过少或效率太低的问题。根据初始高度，每次下降初始高度的20％，这样3到4次就可以完成溯源，找到恶臭源。
步骤8：把下降后的位置做为进行新平面溯源的起点，继续重复步骤3到步骤7，直到无人机下降到允许的最低高度，并且找到了该高度平面的恶臭源时，停止运动，认为找到恶臭源的位置。

Claims (5)

1.一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，其特征在于，包括以下步骤：
步骤1：根据环境监测部门或群众反映，找到疑似恶臭污染区；
步骤2：利用风向仪测量疑似恶臭污染区的风向，多旋翼无人机将逆风搜索恶臭源；
步骤3：无人机从疑似恶臭污染区任意一点起飞，无人机先进行偏向于上风向的斜线运动，横穿整个恶臭场源污染区获取足够多的场源浓度；
步骤4：当无人机上气体传感器所获得气体浓度Cp低于阈值Cni，认为这时无人机已经飞出恶臭污染区，无人机开始做螺旋运动，返回恶臭污染区中，无人机回到恶臭污染区的判定标准是当前所处位置的气体浓度Cp高于阈值Cnj；
步骤5：无人机从返回点开始做逆风直线运动，如果直线运动中浓度Cp一直大于阈值Cnj，则持续做直线运动直至飞行时间达到30s后，返回步骤3；如果直线运动中浓度Cp小于阈值Cnj，则返回步骤3；
步骤6：无人机不断重复步骤3到步骤5，逐渐逼近当前平面恶臭污染源；
步骤7：当无人机在某点附近小范围内来回运动，此时认为找到了当前平面恶臭源，无人机下降一定高度；
步骤8：把下降后的位置做为进行新平面溯源的起点，继续重复步骤3到步骤7，直到无人机下降到允许的最低高度，并且找到了该高度平面的恶臭源时，停止运动，认为找到恶臭源的位置；
其中，所述步骤4、步骤5中阈值
Figure FDA0003980788690000011
阈值
Figure FDA0003980788690000012
n为当前迭代次数，i代表第i次斜线运动，j代表第j次螺旋运动，n、i、j每经过一次循环数值加1；对所述步骤3过程中采集的气体浓度进行比较，将最大的气体浓度设为max1；对所述步骤5中无人机做逆风直线运动过程中采集的气体浓度进行比较，将最大的气体浓度设为max2。
2.根据权利要求1所述的一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，其特征在于：所述步骤3中气体传感器每秒读取一次数据，所读取的数据是当前无人机所在位置的气体浓度值Cp；无人机起飞点的气体浓度为第一个阈值Cni，i＝1代表第一次的斜线运动。
3.根据权利要求1所述的一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，其特征在于：所述步骤3中建立以当前顺风方向为x轴正方向，重力加速度方向为z轴的正方向，然后依据右手原则确定y轴正方向的坐标系；整个恶臭溯源过程中无人机速度大小为V。
4.根据权利要求1所述的一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，其特征在于：所述步骤6中重复的三个运动，其顺序为先做偏向于上风向的斜线运动，然后做螺旋运动，最后是逆风做直线运动；且n为当前迭代次数，i代表第i次斜线运动，j代表第j次螺旋运动，n、i、j每经过一次循环数值加1，阈值不断更新。
5.根据权利要求1所述的一种基于3D_Z_螺旋逆风算法的无人机恶臭溯源方法，其特征在于：所述步骤7中当找到当平面的恶臭源时，每次下降的高度，应根据初始位置的高度进行调节，每次下降初始高度的20％，防止出现循环过少或效率太低的问题。
CN201811218312.4A 2018-10-19 2018-10-19 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法 Active CN109376423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811218312.4A CN109376423B (zh) 2018-10-19 2018-10-19 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811218312.4A CN109376423B (zh) 2018-10-19 2018-10-19 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法

Publications (2)

Publication Number Publication Date
CN109376423A CN109376423A (zh) 2019-02-22
CN109376423B true CN109376423B (zh) 2023-03-24

Family

ID=65400463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811218312.4A Active CN109376423B (zh) 2018-10-19 2018-10-19 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法

Country Status (1)

Country Link
CN (1) CN109376423B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102182500B1 (ko) * 2019-04-01 2020-11-24 국방과학연구소 오염원 위치 추정 장치 및 방법
CN111855912A (zh) * 2019-07-15 2020-10-30 重庆文理学院 一种生姜病害的高效定位方法
CN110850041B (zh) * 2020-01-15 2020-05-08 北京英视睿达科技有限公司 一种基于气象条件的污染溯源方法、设备和存储介质
CN115857533A (zh) * 2020-05-26 2023-03-28 深圳市道通智能航空技术股份有限公司 一种返航方法、控制器、无人机及存储介质
CN114755367B (zh) * 2022-04-19 2023-07-25 薛四社 一种环保污染监测方法、系统、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2471209C1 (ru) * 2011-07-29 2012-12-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный горный университет" Способ мониторинга атмосферного воздуха
CN106918367A (zh) * 2017-04-26 2017-07-04 河北工业大学 一种机器人主动搜寻定位气味源的方法
CN108051346A (zh) * 2017-11-07 2018-05-18 中国计量大学 一种基于无人机的pm2_5及其前体物监测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2471209C1 (ru) * 2011-07-29 2012-12-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный горный университет" Способ мониторинга атмосферного воздуха
CN106918367A (zh) * 2017-04-26 2017-07-04 河北工业大学 一种机器人主动搜寻定位气味源的方法
CN108051346A (zh) * 2017-11-07 2018-05-18 中国计量大学 一种基于无人机的pm2_5及其前体物监测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于头脑风暴优化算法的多机器人气味源定位;梁志刚等;《计算机应用》;20171210(第12期);全文 *
室内通风环境下基于模拟退火算法的单机器人气味源定位;王阳等;《机器人》;20130515(第03期);全文 *
时变流场环境中机器人跟踪气味烟羽方法;李吉功等;《自动化学报》;20091015(第10期);全文 *

Also Published As

Publication number Publication date
CN109376423A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN109376423B (zh) 一种基于3d_z_螺旋逆风算法的无人机恶臭溯源方法
Madan et al. Air quality prediction using machine learning algorithms–a review
Lilienthal et al. Gas source tracing with a mobile robot using an adapted moth strategy
CN106873359B (zh) 一种基于聚类分析和神经网络的风电噪声评价方法
Hadlocon et al. Modeling of particulate matter dispersion from a poultry facility using AERMOD
CN107368926A (zh) 一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法
Fiedler et al. Air velocity measurements using ultrasonic anemometers in the animal zone of a naturally ventilated dairy barn
Mahanta et al. Urban air quality prediction using regression analysis
CN109978275B (zh) 一种混合cfd和深度学习的极端大风风速预测方法及系统
Hajek et al. Predicting common air quality index-the case of czech microregions
Rahbar et al. A 3-D bio-inspired odor source localization and its validation in realistic environmental conditions
CN115598307A (zh) 一种基于无人机的大气污染监测系统及溯源方法
Olej et al. IF-inference systems design for prediction of ozone time series: the case of pardubice micro-region
CN116679011A (zh) 一种监测碳排放源的无人机设备及监测方法
CN104700147A (zh) 冷却塔出水温度预测方法
CN116611244A (zh) 基于自适应滑动窗口划分的风速仪故障预警方法及设备
CN106547996A (zh) 一种风电场虚拟测风塔构建方法
CN110598914B (zh) 一种多因素影响下矿井灾害气体浓度区间预测方法及系统
CN115081346A (zh) 一种风电机组尾流效应下的健康度判断方法、装置及介质
Chamberlain et al. Appraisal of Scottish Natural Heritage's wind farm collision risk model and its application
Valente et al. Validation of a small flying e-nose system for air pollutants control: A plume detection case study from an agricultural machine
Yang et al. Prevailing Wind Direction Forecasting for Natural Ventilation djustment in Greenhouses Based on LE-SVM
Beryozkina et al. Real-life application of the emission monitoring system by using a drone
Macedo et al. Evolving infotaxis for meandering environments
CN115034159A (zh) 一种海上风电场的功率预测方法、装置、存储介质及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant